混合策略改进的金豺优化算法

来源：计算机工程与应用杂志2024年第4期北京时间：

作者：朱兴淋, 汪廷华, 赖志勇

单位：赣南师范大学 数学与计算机科学学院，江西 赣州 341000

摘要：针对金豺优化算法（golden jackal optimization, GJO）在求解复杂优化问题时存在收敛速度慢和易陷入局部最优等不足，提出一种混合策略改进的金豺优化算法（improved golden jackal optimization, IGJO）。在算法的最优解停滞更新时，引入柯西变异策略，增强种群多样性和提升算法陷入局部最优的逃逸能力；提出一种基于权重的决策策略，通过对金豺个体赋予不同权重进行种群位置更新的决策，加快算法的收敛速度。对8个基准测试函数以及部分CEC2017测试函数进行寻优实验，结果表明改进算法具有更好的优化性能和收敛速度；进一步地，将改进算法应用于支持向量回归（support vector regression, SVR）模型的参数优化，并在选取的5个UCI（University of California, Irvine）数据集上进行实验，验证了改进算法的有效性。

关键词：金豺优化算法,优化问题,柯西变异,权重